在子数组之间移动行
Moving rows between subarrays
我有许多子数组，比如 2 个（为简单起见），每个子数组的行数和列数相同。子数组中的每个点都被 [1, 10] 中的一个数字占据。
我想做的是根据某个移动速率 m = [0, 1] 在子数组之间随机移动行。 m = 0 对应于没有移动，而 m = 1 意味着可以移动所有子数组中的任何行。
我的灵感来自：
但我的问题与此略有不同。我知道这里需要 sample() 。
有没有简单的方法来完成这个？
这不行，但我相信无论如何我都在正确的轨道上。
m <- 0.2
a <- array(dim = c(5, 5, 2)) # 5 rows, 5 columns, 2 subarrays
res <- rep(sample(nrow(a), size = ceiling(nrow(a)*m), replace = FALSE)) # sample 20% of rows from array a.
如有任何帮助，我们将不胜感激。
如果你可以使用 matrix (2-dim array) 就容易多了。
set.seed(2)
m <- 0.2
d <- c(10, 4)
a <- array(sample(prod(d)), dim = d)
a
# [,1] [,2] [,3] [,4]
# [1,] 8 17 14 1
# [2,] 28 37 40 26
# [3,] 22 38 16 29
# [4,] 7 35 3 32
# [5,] 34 11 23 4
# [6,] 36 33 19 31
# [7,] 5 24 30 13
# [8,] 39 6 27 25
# [9,] 15 10 12 9
# [10,] 18 2 21 20
（我将再次设置种子，以便方便地给我一些 "interesting" 来展示。）
set.seed(2)
ind <- which(runif(d[1]) < m)
ind
# [1] 1 4 7
第一个随机性 runif 与 m 进行比较，并生成 可能会改变 的索引。第二个随机性，下面的 sample，采用这些索引并可能对它们重新排序。 （在这种情况下，它会将“1,4,7”重新排序为“4,1,7”，这意味着第三行可能会更改的行将保持不变。）
a[ind,] <- a[sample(ind),]
a
# [,1] [,2] [,3] [,4]
# [1,] 7 35 3 32 # <-- row 4
# [2,] 28 37 40 26
# [3,] 22 38 16 29
# [4,] 8 17 14 1 # <-- row 1
# [5,] 34 11 23 4
# [6,] 36 33 19 31
# [7,] 5 24 30 13 # <-- row 7, unchanged
# [8,] 39 6 27 25
# [9,] 15 10 12 9
# [10,] 18 2 21 20
请注意，这是 概率，这意味着 0.2 的概率并不能保证你有 20%（甚至 any）将交换行。
（因为我猜你真的很想保留你的 3-dim（甚至 n-dim）array，你也许可以使用 aperm 在 array <--> matrix 之间转移。)
编辑 1
作为概率使用 runif 的替代方法，您可以使用：
ind <- head(sample(d[1]),size=d[1]*m)
更接近“20%”的目标。由于 d[1]*m 通常不是整数，head 默默地 truncates/floors 数字，因此您将获得价格合适的赢家：最接近但不超过您想要的百分比。
编辑 2
一种可逆的方法，用于将 n 维数组转换为矩阵并再次转换回来。 警告：虽然逻辑看起来很可靠，但我的测试只包含几个数组。
array2matrix <- function(a) {
d <- dim(a)
ind <- seq_along(d)
a2 <- aperm(a, c(ind[2], ind[-2]))
dim(a2) <- c(d[2], prod(d[-2]))
a2 <- t(a2)
attr(a2, "origdim") <- d
a2
}
反转使用 "origdim" 属性（如果仍然存在）；只要您对矩阵的修改不清除其属性，这就会起作用。 （简单的行交换不会。）
matrix2array <- function(m, d = attr(m, "origdim")) {
ind <- seq_along(d)
m2 <- t(m)
dim(m2) <- c(d[2], d[-2])
aperm(m2, c(ind[2], ind[-2]))
}
（这两个函数可能应该做更多的错误检查，例如is.null(d)。）
样本运行:
set.seed(2)
dims <- 5:2
a <- array(sample(prod(dims)), dim=dims)
快看：
a[,,1,1:2,drop=FALSE]
# , , 1, 1
# [,1] [,2] [,3] [,4]
# [1,] 23 109 61 90
# [2,] 84 15 27 102
# [3,] 68 95 83 24
# [4,] 20 53 117 46
# [5,] 110 62 43 8
# , , 1, 2
# [,1] [,2] [,3] [,4]
# [1,] 118 25 14 93
# [2,] 65 21 16 77
# [3,] 87 82 3 38
# [4,] 92 12 78 17
# [5,] 49 4 75 80
改造：
m <- array2matrix(a)
dim(m)
# [1] 30 4
head(m)
# [,1] [,2] [,3] [,4]
# [1,] 23 109 61 90
# [2,] 84 15 27 102
# [3,] 68 95 83 24
# [4,] 20 53 117 46
# [5,] 110 62 43 8
# [6,] 67 47 1 54
可逆性证明：
identical(matrix2array(m), a)
# [1] TRUE
编辑 3，"WRAP UP of all code"
创建虚假数据：
dims <- c(5,4,2)
(a <- array(seq(prod(dims)), dim=dims))
# , , 1
# [,1] [,2] [,3] [,4]
# [1,] 1 6 11 16
# [2,] 2 7 12 17
# [3,] 3 8 13 18
# [4,] 4 9 14 19
# [5,] 5 10 15 20
# , , 2
# [,1] [,2] [,3] [,4]
# [1,] 21 26 31 36
# [2,] 22 27 32 37
# [3,] 23 28 33 38
# [4,] 24 29 34 39
# [5,] 25 30 35 40
(m <- array2matrix(a))
# [,1] [,2] [,3] [,4]
# [1,] 1 6 11 16
# [2,] 2 7 12 17
# [3,] 3 8 13 18
# [4,] 4 9 14 19
# [5,] 5 10 15 20
# [6,] 21 26 31 36
# [7,] 22 27 32 37
# [8,] 23 28 33 38
# [9,] 24 29 34 39
# [10,] 25 30 35 40
# attr(,"origdim")
# [1] 5 4 2
行的随机交换。我这里用了 50%。
pct <- 0.5
nr <- nrow(m)
set.seed(3)
(ind1 <- sample(nr, size = ceiling(nr * pct)))
# [1] 2 8 4 3 9
(ind2 <- sample(ind1))
# [1] 3 2 9 8 4
m[ind1,] <- m[ind2,]
m
# [,1] [,2] [,3] [,4]
# [1,] 1 6 11 16
# [2,] 3 8 13 18
# [3,] 23 28 33 38
# [4,] 24 29 34 39
# [5,] 5 10 15 20
# [6,] 21 26 31 36
# [7,] 22 27 32 37
# [8,] 2 7 12 17
# [9,] 4 9 14 19
# [10,] 25 30 35 40
# attr(,"origdim")
# [1] 5 4 2
（请注意，我在这里预先制作了 ind1 和 ind2，主要是为了查看内部发生了什么。您可以将 m[ind2,] 替换为 m[sample(ind1),]同样的效果。）
顺便说一句：如果我们改为使用 2 的种子，我们会注意到 2 行 没有交换:
set.seed(2)
(ind1 <- sample(nr, size = ceiling(nr * pct)))
# [1] 2 7 5 10 6
(ind2 <- sample(ind1))
# [1] 6 2 5 10 7
正因如此，我选择了3个种子进行演示。但是，这可能会使事情看起来不起作用。缺少更多控制代码，sample 不能确保位置发生变化：期望 "randomly swap rows" 可以随机选择将第 2 行移动到第 2 行当然是合理的。举个例子：
set.seed(267)
(ind1 <- sample(nr, size = ceiling(nr * pct)))
# [1] 3 6 5 7 2
(ind2 <- sample(ind1))
# [1] 3 6 5 7 2
先随机选择五行，然后将它们随机重新排序为不变的顺序。 (我建议，如果你想强制它们都是运动，你应该问一个新的问题，询问是否只是强制sample向量改变。 )
无论如何，我们可以通过第二个函数恢复原来的维度：
(a2 <- matrix2array(m))
# , , 1
# [,1] [,2] [,3] [,4]
# [1,] 1 6 11 16
# [2,] 3 8 13 18
# [3,] 23 28 33 38
# [4,] 24 29 34 39
# [5,] 5 10 15 20
# , , 2
# [,1] [,2] [,3] [,4]
# [1,] 21 26 31 36
# [2,] 22 27 32 37
# [3,] 2 7 12 17
# [4,] 4 9 14 19
# [5,] 25 30 35 40
阵列的第一个平面，第1行和第5行不变；在第二个平面中，第 1、2 和 5 行没有变化。五行相同，五行移动（但每行内其他方面不变）。
我有许多子数组，比如 2 个（为简单起见），每个子数组的行数和列数相同。子数组中的每个点都被 [1, 10] 中的一个数字占据。
我想做的是根据某个移动速率 m = [0, 1] 在子数组之间随机移动行。 m = 0 对应于没有移动，而 m = 1 意味着可以移动所有子数组中的任何行。
我的灵感来自：
但我的问题与此略有不同。我知道这里需要 sample() 。
有没有简单的方法来完成这个？
这不行，但我相信无论如何我都在正确的轨道上。
m <- 0.2
a <- array(dim = c(5, 5, 2)) # 5 rows, 5 columns, 2 subarrays
res <- rep(sample(nrow(a), size = ceiling(nrow(a)*m), replace = FALSE)) # sample 20% of rows from array a.
如有任何帮助，我们将不胜感激。
如果你可以使用 matrix (2-dim array) 就容易多了。
set.seed(2)
m <- 0.2
d <- c(10, 4)
a <- array(sample(prod(d)), dim = d)
a
# [,1] [,2] [,3] [,4]
# [1,] 8 17 14 1
# [2,] 28 37 40 26
# [3,] 22 38 16 29
# [4,] 7 35 3 32
# [5,] 34 11 23 4
# [6,] 36 33 19 31
# [7,] 5 24 30 13
# [8,] 39 6 27 25
# [9,] 15 10 12 9
# [10,] 18 2 21 20
（我将再次设置种子，以便方便地给我一些 "interesting" 来展示。）
set.seed(2)
ind <- which(runif(d[1]) < m)
ind
# [1] 1 4 7
第一个随机性 runif 与 m 进行比较，并生成 可能会改变 的索引。第二个随机性，下面的 sample，采用这些索引并可能对它们重新排序。 （在这种情况下，它会将“1,4,7”重新排序为“4,1,7”，这意味着第三行可能会更改的行将保持不变。）
a[ind,] <- a[sample(ind),]
a
# [,1] [,2] [,3] [,4]
# [1,] 7 35 3 32 # <-- row 4
# [2,] 28 37 40 26
# [3,] 22 38 16 29
# [4,] 8 17 14 1 # <-- row 1
# [5,] 34 11 23 4
# [6,] 36 33 19 31
# [7,] 5 24 30 13 # <-- row 7, unchanged
# [8,] 39 6 27 25
# [9,] 15 10 12 9
# [10,] 18 2 21 20
请注意，这是 概率，这意味着 0.2 的概率并不能保证你有 20%（甚至 any）将交换行。
（因为我猜你真的很想保留你的 3-dim（甚至 n-dim）array，你也许可以使用 aperm 在 array <--> matrix 之间转移。)
编辑 1
作为概率使用 runif 的替代方法，您可以使用：
ind <- head(sample(d[1]),size=d[1]*m)
更接近“20%”的目标。由于 d[1]*m 通常不是整数，head 默默地 truncates/floors 数字，因此您将获得价格合适的赢家：最接近但不超过您想要的百分比。
编辑 2
一种可逆的方法，用于将 n 维数组转换为矩阵并再次转换回来。 警告：虽然逻辑看起来很可靠，但我的测试只包含几个数组。
array2matrix <- function(a) {
d <- dim(a)
ind <- seq_along(d)
a2 <- aperm(a, c(ind[2], ind[-2]))
dim(a2) <- c(d[2], prod(d[-2]))
a2 <- t(a2)
attr(a2, "origdim") <- d
a2
}
反转使用 "origdim" 属性（如果仍然存在）；只要您对矩阵的修改不清除其属性，这就会起作用。 （简单的行交换不会。）
matrix2array <- function(m, d = attr(m, "origdim")) {
ind <- seq_along(d)
m2 <- t(m)
dim(m2) <- c(d[2], d[-2])
aperm(m2, c(ind[2], ind[-2]))
}
（这两个函数可能应该做更多的错误检查，例如is.null(d)。）
样本运行:
set.seed(2)
dims <- 5:2
a <- array(sample(prod(dims)), dim=dims)
快看：
a[,,1,1:2,drop=FALSE]
# , , 1, 1
# [,1] [,2] [,3] [,4]
# [1,] 23 109 61 90
# [2,] 84 15 27 102
# [3,] 68 95 83 24
# [4,] 20 53 117 46
# [5,] 110 62 43 8
# , , 1, 2
# [,1] [,2] [,3] [,4]
# [1,] 118 25 14 93
# [2,] 65 21 16 77
# [3,] 87 82 3 38
# [4,] 92 12 78 17
# [5,] 49 4 75 80
改造：
m <- array2matrix(a)
dim(m)
# [1] 30 4
head(m)
# [,1] [,2] [,3] [,4]
# [1,] 23 109 61 90
# [2,] 84 15 27 102
# [3,] 68 95 83 24
# [4,] 20 53 117 46
# [5,] 110 62 43 8
# [6,] 67 47 1 54
可逆性证明：
identical(matrix2array(m), a)
# [1] TRUE
编辑 3，"WRAP UP of all code"
创建虚假数据：
dims <- c(5,4,2)
(a <- array(seq(prod(dims)), dim=dims))
# , , 1
# [,1] [,2] [,3] [,4]
# [1,] 1 6 11 16
# [2,] 2 7 12 17
# [3,] 3 8 13 18
# [4,] 4 9 14 19
# [5,] 5 10 15 20
# , , 2
# [,1] [,2] [,3] [,4]
# [1,] 21 26 31 36
# [2,] 22 27 32 37
# [3,] 23 28 33 38
# [4,] 24 29 34 39
# [5,] 25 30 35 40
(m <- array2matrix(a))
# [,1] [,2] [,3] [,4]
# [1,] 1 6 11 16
# [2,] 2 7 12 17
# [3,] 3 8 13 18
# [4,] 4 9 14 19
# [5,] 5 10 15 20
# [6,] 21 26 31 36
# [7,] 22 27 32 37
# [8,] 23 28 33 38
# [9,] 24 29 34 39
# [10,] 25 30 35 40
# attr(,"origdim")
# [1] 5 4 2
行的随机交换。我这里用了 50%。
pct <- 0.5
nr <- nrow(m)
set.seed(3)
(ind1 <- sample(nr, size = ceiling(nr * pct)))
# [1] 2 8 4 3 9
(ind2 <- sample(ind1))
# [1] 3 2 9 8 4
m[ind1,] <- m[ind2,]
m
# [,1] [,2] [,3] [,4]
# [1,] 1 6 11 16
# [2,] 3 8 13 18
# [3,] 23 28 33 38
# [4,] 24 29 34 39
# [5,] 5 10 15 20
# [6,] 21 26 31 36
# [7,] 22 27 32 37
# [8,] 2 7 12 17
# [9,] 4 9 14 19
# [10,] 25 30 35 40
# attr(,"origdim")
# [1] 5 4 2
（请注意，我在这里预先制作了 ind1 和 ind2，主要是为了查看内部发生了什么。您可以将 m[ind2,] 替换为 m[sample(ind1),]同样的效果。）
顺便说一句：如果我们改为使用 2 的种子，我们会注意到 2 行 没有交换:
set.seed(2)
(ind1 <- sample(nr, size = ceiling(nr * pct)))
# [1] 2 7 5 10 6
(ind2 <- sample(ind1))
# [1] 6 2 5 10 7
正因如此，我选择了3个种子进行演示。但是，这可能会使事情看起来不起作用。缺少更多控制代码，sample 不能确保位置发生变化：期望 "randomly swap rows" 可以随机选择将第 2 行移动到第 2 行当然是合理的。举个例子：
set.seed(267)
(ind1 <- sample(nr, size = ceiling(nr * pct)))
# [1] 3 6 5 7 2
(ind2 <- sample(ind1))
# [1] 3 6 5 7 2
先随机选择五行，然后将它们随机重新排序为不变的顺序。 (我建议，如果你想强制它们都是运动，你应该问一个新的问题，询问是否只是强制sample向量改变。 )
无论如何，我们可以通过第二个函数恢复原来的维度：
(a2 <- matrix2array(m))
# , , 1
# [,1] [,2] [,3] [,4]
# [1,] 1 6 11 16
# [2,] 3 8 13 18
# [3,] 23 28 33 38
# [4,] 24 29 34 39
# [5,] 5 10 15 20
# , , 2
# [,1] [,2] [,3] [,4]
# [1,] 21 26 31 36
# [2,] 22 27 32 37
# [3,] 2 7 12 17
# [4,] 4 9 14 19
# [5,] 25 30 35 40
阵列的第一个平面，第1行和第5行不变；在第二个平面中，第 1、2 和 5 行没有变化。五行相同，五行移动（但每行内其他方面不变）。